M5: العلوم المفتوحة لظروف المحاصيل

كيف يمكن استخدام مجموعات بيانات NASA لرسم خرائط ظروف المحاصيل؟

تركّز الوحدة الخامسة من openclimatescience.github.io/curriculum على كيفية بدء مشروع علمي حاسوبي قابل لإعادة الإنتاج، باستخدام ظروف المحاصيل كمثال موضوعي. في نهاية هذه الوحدة، ينبغي أن تكون قادرًا على ما يلي:

• الوصول إلى مجموعات البيانات المعتمدة على الأقمار الصناعية والمتعلقة بإنتاجية النبات وحالته وعمليات النتح-التبخر، واستخدامها بفعالية.
• حساب مؤشر رضا متطلبات المياه للمحاصيل الزراعية.

المحتويات

1. Creating a Project Plan
   إنشاء خطة مشروع
2. Creating a Reproducible Research Environment
   إنشاء بيئة بحثية قابلة لإعادة الإنتاج
3. Setting Up Data Processing Workflows
   إعداد سير عمل معالجة البيانات
4. Writing a Transparent Algorithm
   كتابة خوارزمية شفافة

البدء

راجع دليل التثبيت هنا.

يمكنك تشغيل دفاتر Jupyter في هذا المستودع باستخدام Github Codespaces أو كحاوية تطوير في VSCode Dev Container. بعد تشغيل الحاوية، شغّل Jupyter Notebook كما يلي:

# Create your own password when prompted
jupyter server password

# Then, launch Jupyter Notebook; enter your password when prompted
jupyter notebook

يمكن تثبيت مكتبات Python المطلوبة للتمارين باستخدام مدير الحزم pip:

pip install xarray netcdf4 dask

نواتج التعلم

يغطي هذا المقرر الكفاءات الأساسية التالية في علم البيانات الحاسوبي:

• توثيق العلاقة بين الشيفرة والنتائج والبيانات الوصفية (CC1.5)
• استخدام مدير حزم لتثبيت وإدارة الاعتماديات البرمجية (CC1.10)
• القدرة على توسيع نطاق سير عمل حاسوبي (CC2.6)
• فهم إصدارات البرمجيات وإدارة النسخ (CC4.4)

بالإضافة إلى ذلك، سيتعلم المشاركون كيفية:

• استخدام Pixi لإدارة بيئة البرمجيات والاعتماديات.
• استخدام Snakemake لأتمتة المهام القابلة لإعادة الإنتاج.
• حساب مؤشر رضا متطلبات المياه.

شكر وتقدير

تم تمكين هذا المنهج بفضل منحة من برنامج NASA Transition to Open Science (TOPS) رقم 80NSSC23K0864، وهو جزء من NASA TOPS Program.